MOOC python数据分析（1）Numpy

一、系列文章目录

（1）Numpy
（2）数据存取/随机数函数
（3）PIL库/图像处理
（4）Matplotlib库
（5）Pandas库

---

---

二、前言

Numpy提供了广播功能函数，用于数组计算。提供了整合了C/C++等代码的工具。提供了线性代数，随机数生成，傅里叶变换等功能。

---

Numpy的使用 ： import numpy as np

三、Numpy

1.维度

维度：一组数据的组织形式，数据在多个维度展开，能表达多种含义。

• 一维数据： 对等关系。可以用列表、集合、数组表示。

列表&数组
列表：元素数据类型不同，可以是浮点型，字符串，列表等等
数组：元素数据类型相同

• 二维数据： 由多个一维数据组成。例如表格，表头可以是二维数据的一部分。 例如某年高校排名。用列表表示。
• 多维数据： 由一维、二维数据组成。例如历年高校排名，增加了时间维度。用列表表示。
• 高维数据：利用二元关系展示数据结构。用字典表示。由键值对将数据组织起来。或由数据表示格式：JSON,XML,YAML等。
  

2.ndarray数组

（1）ndarry

ndarray：一个N维数组对象。可以使一维向量更像单个数据，免去元素间的循环。

（2）ndarry的构成

实际数据+描述（数据维度，数据类型）。数组要求所有元素类型相同，下标从0开始。轴axis表示数据维度，秩rank表示轴的数量。

（3）nadrry的数据类型

nadrry的数据类型有很多，有助于合理使用储存空间。而python只有整数，浮点数，复数。

（4）ndarray数组创建和变换

np.array( ) 生成数组，别名为array。

• 从Python中的列表、元组等类型创建ndarray数组。列表、元组元素个数相同时可以混合使用。
x = np.array ( [ list ] / ( tuple ) / [ [ list ] , ( tuple ) ] , dtype ) 不设定数据类型的话会根据读入数据自动确定。
• 使用NumPy中函数创建ndarray数组。

默认数据类型浮点数，shape用（）。


endpoint = False时表示最后一个元素10是否是最后一个数值。默认Ture。

• 从字节流（raw bytes）中创建ndarray数组

• 从文件中读取特定格式，创建ndarray数组

（5）ndarray数组变换

new_a = a.astype(new_type)

astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致

数组向列表的转换

ls = a.tolist()

（6）ndarray数组的索引和切片

索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

• 一维数组的索引和切片

• 多维数组的索引
  a[0，1，2]每个数字代表一个维度。正向0开始，反向-1开始。、

• 多维数组的切片

选取一整个维度用 :
每个维度切片方法与一维数组相同
每个维度可以使用步长跳跃切片 例如 a [：：2]

（7）ndarray数组计算

• 数组与标量之间的运算
  数组与标量之间的运算作用于数组的每一个元素